Modela los datos de prisión con Cox PH

El DataFrame prison contiene información de 432 convictos que fueron puestos en libertad y seguidos durante un año tras su salida. Ya has modelado su tiempo hasta el arresto y has estudiado qué factores aumentan o disminuyen el riesgo de re-arresto usando el modelo Weibull AFT.

La clase CoxPHFitter de lifelines implementa un modelo de Riesgos Proporcionales de Cox para regresión de supervivencia que modela la función de riesgo basal y las razones de riesgos que definen las proporciones de riesgo. ¡Vamos a probar CoxPHFitter para explorar los factores!

Las librerías pandas y numpy están importadas como pd y np, respectivamente. Usa la consola para explorar el DataFrame y los nombres de sus columnas cuando lo necesites.